bikkulov_as_chugunov_av_setevoi_podkhod_v_sotsialnoi_informa

Речь идет не столько о новой технологии, сколько о кардинально новых методах политики.

Политологические исследования влияния социальных сетей и применения сетевых технологий затрагивают не только электоральные процессы, но и протестные движения. Считается, что в 2010—2011 гг. начался новый этап — широкое использование социальных сетей для объединения людей по политическим мотивам. В Интернете инициировались и координировались действия недовольных властью в реальной жизни и даже формировались глобальные политические процессы в странах. Самым ярким примером эффективности применения социальных сетей были массовые протестные выступления во время так называемой «арабской весны», которая привела к смене правительств в нескольких восточных государствах.

Например, можно привести статью группы исследователей политических процессов, в которой социальные сети рассматриваются как движущая сила, влияющая на глобальные политические изменения (используется термин «Революция 2.0»). В статье50 выявлены факторы, которые повлияли на распространение революционных сообщений среди египтян в 2011 г. В результате коммуникация в социальных сетях и формирование сетевых сообществ, координирующих свои действия, оказали влияние на отношение египтян к необходимости социальных изменений, что, в свою очередь, привело к революции и отставке правительства.

В 2012 г. этот же авторский коллектив опубликовал результаты исследования влияния сетевых сообществ на изменение поведения индивидов в социуме51. Эта работа включает в себя и анализ ситуации во время протестных акций «арабской весны».

Социальные сети как специфическая форма проявления политического участия также становится предметом политологических исследований. В качестве примера можно привести работу52, в которой представляются результаты изучения модели политического участия в социальных сетях с акцентом на европейской политике. В исследовании

50Attia A.M., Aziz N., Friedman B.A., Elhusseiny M.F. Commentary: The impact of

social networking tools on political change in Egypt’s “Revolution 2.0” // Electronic Commerce Research and Applications. 2011. Vol. 10. № 4. P. 369—374. URL: http://www.sciencedirect.com/science/article/pii/S156742231100024X.

51Attia A.M., Aziz N., Friedman B.A. The Impact of Social Networks on Behavioral Change: A Conceptual Framework // World Review of Business Research . 2012. Vol. 2. №2. P. 91—108. URL: http://www.wbiaus.org/7.%20Nergis.p df.

52Vesnic-Alujevic L. Political participation and web 2.0 in Europe: A case study of Facebook // Public Relations Review. 2012. Vol. 38. № 3. P. 466—470. URL: http://www.sciencedirect.com/science/article/pii/S0363811112000276.

выясняется, насколько европейские граждане заинтересованы в использовании социальной сети Facebook в политической коммуникации на европейском уровне, и может ли это привести к более активному участию и большей включенности граждан в политические процессы на уровне ЕС. Проанализировано использование веб 2.0 в политических целях, а также составлен среднестатистический профиль участника политической коммуникации в социальной сети, найдена связь между онлайном и оффлайном в политической жизни. В качестве метода исследования был выбран онлайн-опрос, размещенный на официальных страницах Европейского парламента и страницах о Европейском парламента и политике в сети Facebook.

Российские исследователи только приступают к изучению этой темы, а в отечественных научных журналах вопросы влияния коммуникации в социальных сетях на политическую практику и социальную активность граждан только начинают обсуждаться53.

Контрольные вопросы

1.В чем сходства и различия моделей Д. Истона и Г. Алмонда?

2.Какие типы коммуникаций характерны для политических систем в концепции К.Дойча?

3.Как использование информационных технологий способствовало успеху предвыборной компании Б.Обамы?

53 Хафизова И.Ф. Авторская модель экспертной системы для определения настроения граждан в социальных сетях // Власть. 2012. № 4. С. 90—92. URL:

http://www.isras.ru/files/File/Vlast/2012/04/Hafizova.pdf

60

61

Глава 5. Социодинамика в экономической сфере

икоммерческая активность в социальных сетях

5.1.Кризис экономической теории

По утверждению ряда ведущих экономистов кризис 2008 г. оказался одновременно и кризисом экономики как научной дисциплины, или, точнее, послужил демонстрацией того факта, что экономисты все больше отдают предпочтение математической технике в ущерб глубинному пониманию экономических явлений, а это невозможно без знания психологии, институциональных структур и исторических прецедентов. Характерно, что при анализе причин кризиса называются и «ошибки в модели», описывающей функционирование мировых финансов. По мнению В.М. Полтеровича54 природа кризиса заключается не столько в недоразвитости методов экономического исследования, сколько в ложной претензии экономистов на то, что экономика должна стать (и постепенно становится) «точной» наукой — в том смысле, в каком «точными» являются теоретическая механика или химия.

Академик Полтерович констатирует: «План построения единой экономической теории по классическому образцу теоретической механики, намеченный в начале пятидесятых годов прошлого века, оказался невыполнимым. В результате теория распалась на множество частных случаев. В большинстве исследований вопрос об общности получаемых выводов даже не ставится, модели исследуются при весьма ограничительных предположениях. В результате многие выводы оказываются неустойчивыми относительно «малых вариаций» в конструкции моделей. Например, в типичной макроэкономической модели все продукты агрегированы, а потребители представлены репрезентативным агентом, хотя при отказе от этих допущений заключения обычно теряют силу» 55.

В среде экономистов все более отчетливо звучит тезис, что невозможно ответить на фундаментальные экономические вопросы, оставаясь в узких рамках, очерченных для себя экономикой, поскольку эти ответы зависят от доминирующих этических, психологических, правовых и социальных установок и норм, от демографических процессов и политических механизмов. В результате формируется новая политическая экономия, а рассматриваемые в ее рамках модели описывают

54 Полтерович В.М. Становление общего социального анализа // MPRA Paper

№26085, posted 21. October 2010. URL: http://mpra.ub.uni-muenchen.de/26085/1/

MPRA_paper_26085.pdf

55 Там же.

макроэкономические процессы с учетом действующих политических механизмов принятия решений.

5.2. Концепция «экономической социодинамики»

Концепция и термин «экономическая социодинамика» предложены известными российскими экономистами Р. Гринбергом и А. Рубинштейном в одноименной монографии56. В предисловии авторы утверждают, что на пороге XXI в. потребность в экономической теории «третьего пути» становится категорическим императивом, а ядром такой теории и должна стать предлагаемая концепция.

При детальном рассмотрении эволюции экономической теории, а также современной практики хозяйственной жизни были выявлены предпосылки, определившие необходимость создания указанной концепции.

Во-первых, мы сталкиваемся с множеством ситуаций, когда рынок явно не срабатывает, и его «ошибки» вынуждено исправлять государство. Существуют и другие причины, побуждающие власть к тем или иным мерам, независимо и даже вопреки потребностям отдельных людей. Именно эти поводы и заставляют задуматься о необходимости создании новой теории.

Во-вторых, наблюдая расширение зоны участия государства мы не находим достаточно внятных объяснений того, каким образом его действия связаны с предпочтениями частных лиц. При этом можно констатировать усиление противоречия между доминирующей установкой экономической науки на минимизацию действий государства и его возрастающей ролью в хозяйственной жизни даже самых рыночных стран. За всем этим также скрывается специфический интерес общества, отличающийся от любого агрегата индивидуальных предпочтений.

В-третьих, оказались явно недостаточными известные попытки определить и учесть этот общественный интерес в специальных рыночных моделях. Функции общественного благосостояния (А. Бергсон, П. Самуэльсон), две функции полезности (Х. Марголис) и другие подобные конструкции представляют собой ни что иное, как исследование социального интереса на «прокрустовом ложе» постулата индивидуализма. При таком подходе все и всегда редуцируется к индивидуальным предпочтениям, которые будто бы поглощают любой общественный интерес. Именно поэтому указанные модели, базирующиеся на абсолютизации гипотезы сводимости, не применимы для анализа специфических потребностей общества.

56 Гринберг Р., Рубинштейн А. Экономическая социодинамика. М.: ИЭСПРЕСС, 2000. 320 с.

62

63

Философской основой концепции «экономической социодинамики» являются современные представления о социуме, навеянные в большой мере взглядами Ильи Пригожина. Его видение мироздания позволило осознать, что рост энтропии и стремление системы к равновесию не является единственной сюжетной линией. Динамика любых физических и социальных систем реализуется во взаимодействии необходимости и случайности. Детерминизм в формировании равновесия соседствует со стохастическими процессами его разрушения, а доминанта равновесия — это также лишь одно из допущений традиционной экономической теории.

Авторы концепции исходят из универсальных представлений об обществе, ассоциируя его с множеством индивидуумов, находящихся в непрерывных изменениях и испытывающих разного рода флуктуации, действующих самостоятельно и в составе различных групп, где все социодинамические процессы, отражающие как отрицательные, так и положительные обратные связи, описываются на основе своеобразного аналога теоремы Пригожина. Это означает, что при возникновении препятствий для достижения равновесия стационарное состояние социума соответствует минимальной энтропии, а энергия возмущения трансформируется в интерес, присущий социальной системе в целом и переводящий ее на качественно новый уровень.

Другими словами, любой возмущающий импульс, наблюдаемый ежедневно и ежечасно во всяком обществе, — изменение экологической ситуации, возросшая потребность в образовании, науке, культуре, усиление дифференциации в доходах населения, снижение конкурентоспособности важной для страны отрасли, просто появление нового продукта или технологии и т.п. — порождает два последствия. В первом случае флуктуация подавляется, и возникает новое равновесие, а вся энергия возмущения поглощается динамикой индивидуальных предпочтений. Во втором случае энергия флуктуации не растворяется в новых пристрастиях индивидуумов, а наоборот, сохраняется и даже возрастает, обеспечивая формирование интереса общества как такового.

Первая ситуация — это только частный случай экономической социодинамики. При наличии отрицательной обратной связи энтропия растет, энергия возмущений снижается, флуктуации ослабевают и исчезают: в условиях конкурентного рынка и сводимости потребностей изменяющийся спрос вызывает соответствующую реакцию предложения и формируется новое рыночное равновесие. Там же, где феномен положительной обратной связи приводит к усилению флуктуаций и росту их энергии, возникают новые свойства социальной системы, и формируется интерес общества как такового, не выявляемый в индивидуальных предпочтениях. Понятно, что данный аспект динамики

социума, как и его переход на новые уровни сложности, в корне противоречит постулату индивидуализма.

Именно здесь авторы видят дополнительные возможности для развития экономической науки. Одна из них и представлена разработанной нами концепцией «экономической социодинамики», претендующей стать ядром экономической теории «третьего пути».

Отказ от универсализма гипотезы сводимости и признание факта существования автономных (несводимых) интересов общества как такового — исходное положение концепции экономической социодинамики. В соответствии с ним любое благо может удовлетворять потребности качественно разных участников рыночных отношений, в том числе и потребности общества в целом. Предположение о способности всякого блага удовлетворять несводимые потребности общества в концепции называется постулатом социальной полезности. Важно подчеркнуть независимость социальной полезности от полезностей индивидуумов, ибо в основе социальной полезности всегда лежит несводимая общественная потребность, которая постулируется лишь для совокупности индивидуумов в целом. Именно независимость социальной полезности превращает государство в равноправного участника рынка, где одновременно действуют индивидуальные субъекты с присущими им потребностями и государство с его несводимыми интересами. Причем каждый из них стремится к максимизации собственной функции полезности.

В предлагаемой концепции широко используется также базовая для институциональной теории парадигма социализации экономических субъектов. В соответствии с ней каждый человек, будучи индивидуумом со своими эгоистическими интересами, принадлежит одновременно к определенной социальной группе и усваивает характерные для нее ценностные ориентации и нормы поведения, поэтому поведение любого субъекта рынка опирается на мощный фундамент социального опыта, формирующего, в том числе, и его субъективные представления о личном благосостоянии.

Парадигма социализации допускает расширение состава участников рыночных отношений, поэтому в рамках данной концепции всякий носитель явно выраженного и обособленного интереса, включая отдельных индивидуумов, их группы и общество в целом, выступает в качестве самостоятельного субъекта рынка, стремящегося реализовать этот интерес. Данное положение разработчики концепции назвали постулатом

социальной мотивации.

Если упомянутые принципы соблюдаются (т.е. поведение государства рационально), затраты на удовлетворение несводимых потребностей

64

65

общества обеспечивают как социальный, так и экономический прогресс. В результате реализации указанных потребностей возникает специфический социальный эффект, который при взаимодействии с адекватной институциональной средой будет способствовать самовозрастанию национального богатства.

Разработчики концепции экономической социодинамики предлагают замену дискредитировавших себя экономических моделей на модели, учитывающие вышеуказанные базовые принципы.

5.3.Изучение социальных сетей с целью исследования рынков

Внастоящее время происходит устойчивый рост интереса к методикам измерения активности в социальных медиа со стороны коммерческого сектора. Тем самым бизнес все больше воспринимает социальные сети в качестве важной площадки для продвижения своей продукции. Отчет Business Monitor-2012, обнародованный Международной ассоциацией по медиаизмерениям и оценке коммуникаций AMEC, которая объединяет 120 специализированных агентств из 41 страны мира, свидетельствует, что 85 % участников ассоциации отметили увеличение числа клиентов, которые впервые проявили интерес к измерениям в социальных медиа57. Реагируя на этот запрос рынка более половины мониторинговых агентств создали специальные подразделения для оценки эффективности деловой активности в соцсетях.

Ваналитическом отчете указывается, что в целом рынок медиаизмерений демонстрирует хорошую динамику, прибавив за год 10%. AMEC отмечает возвращение интереса к интернет-маркетингу со стороны представителей малого бизнеса, что особенно примечательно, несмотря на крайне неопределенную ситуацию на европейском рынке. «В прошлом

году нас удивил тот факт, что, несмотря на большое количество компаний, которые проявляют интерес к социальным медиа, очень немногие из них обращаются за услугами по их измерению. Согласно проведенному исследованию, в этом году клиенты наконец-то проявили

долгожданный интерес к измерению социальных медиа», — отметил в этой связи гендиректор компании Cision и председатель комитета по развитию бизнеса AMEC Питер Грэнат.

Социальные медиа привлекают производителей возможностью повысить эффективность расходов на рекламу, получить более детальное представление о своей целевой аудитории. «Мы не только можем

доказать, что реклама в интернете стимулирует оффлайн продажи, а и то, что при использовании в рекламной кампании информации о

57 Бизнес пошел в социальные сети. URL: http://www.bigness.ru/articles/2012-06- 07/socseti/135020/.

потребителях, расходы на рекламу возвращаются с лихвой, — цитирует заявление главы американской маркетинговой компании Nielsen Catalina Solutions Майка Назаро отраслевой портал toWave. — Благодаря

аналитике, основанной на информации о потребителе, маркетологи получают знания, которые позволяют точно достичь желаемого потребительского сегмента в правильном медиаканале, что в свою очередь влияет на рекламодателей, которые изменяют способ планирования медиакампании, а также возможное медиапространство».

Помимо условий для собственного продвижения, оно предоставляет бизнесу прекрасные возможности для отслеживания деятельности конкурентов. Причем в этом плане наибольшей популярностью у корпоративных клиентов (в США) пользуется, как ни странно, не безусловный лидер социальных медиа-Facebook, а сервис микроблогов-

Twitter.

Об этом свидетельствуют данные, приведенные в докладе американской аналитической компании Digimind. Twitter в качестве инструмента информационной разведки используют 62,5% компаний, еще больше (69,4%) с той же целью проводят мониторинг профессиональной соцсети LinkedIn. Эта социальная сеть деловых контактов очень популярна на Западе, и не удивительно, что компании пристально следят за ней.

Другие ключевые результаты исследования:

−74% опрошенных членов AMEC заявили, что шаги, предпринимаемые ассоциацией для формирования общих принципов медиаизмерений, оказывают влияние на построение их бизнеса;

−каждый третий клиент включает измерение социальных медиа в пакет получаемых им услуг;

−почти половина (46%) опрошенных считают, что бюджет компанийклиентов сокращается на фоне инвестирования в социальные медиа;

−54% опрошенных заявили, что все больше клиентов заинтересованы в установлении связей между метриками медиааналитики и конечным бизнес-результатом;

−80% отметили важность масштабной образовательной программы, проводимой ассоциацией AMEC среди компаний, работающих в отрасли медиаизмерений. Данная программа направлена на обучение PR-специалистов определенным методам исследования и измерения коммуникаций.

Аналитики, исследователи-экономисты и социологи в настоящее время ведут изучение различных аспектов поведения и запросов пользователей социальных сетей на деловую активность и маркетинговые акции.

66

67

В качестве примера можно привести ряд стаей из научных и аналитических журналов. Статья Болена, Мао и Ценга58 посвящена анализу того, как общественные настроения в сети влияют на экономические показатели, в частности показатели на бирже. Исследователи, использовав математический аппарат для анализа, установили определенную корреляцию настроения пользователей Twitter с колебания индекса Доу Джонса.

Исследование системы репутаций и моделей рекомендации надежных онлайн продавцов на аукционах является темой статьи в журнале «Экспертные системы»59. Авторы показывают, что сетевые структуры формируются по истории транзакций, и их анализ может быть использован в том числе для разоблачения сговоров среди продавцов.

Анализ использования Facebook некоммерческими организациями и изучение стратегии привлечения заинтересованных сторон — тема следующей публикации60. С помощью контент-анализа 275 профилей некоммерческих организаций исследовали, каким образом используются публичные страницы для продвижения миссии своей организации. В ходе контент-анализа были выделены такие смысловые единицы, как описание организации, история, логотип, контактные данные, новости, фото, аудио, видео, посты, дискуссии, форумы, пресс-релизы, календарь событий.

Контрольные вопросы

1.Какие примеры измерения активности в социальных медиа со стороны коммерческого сектора вы можете привести?

2.Какие возможности открывает применение сетевого подхода для развития экономической теории?

3.Назовите известные вам тенденции развития рынка медиаизмерений.

58Bolen J., Mao H., Zeng X. Twitter mood predicts the stock market // Journal of Computational Science. 2011. Vol. 2. № 1.

59Wang J.-C., Chiu C.-C. Recommending trusted online auction sellers using social network analysis // Expert Systems with Applications. 2008. Vol. 34. № 3. P. 1666—1679.

60Waters R.D., Burnett E., Lamm A., Lucas J. Engaging stakeholders through social

networking: How nonprofit organizations are using Facebook // Public Relations Review. 2009. Vol. 25. № 2. P.102—106.

Глава 6.

Перспективы развития методов, направлений

иинструментария исследований и моделирования

внауках об обществе

Вданной главе учебного пособия приводятся некоторые примеры и тенденции развития компьютерного моделирования и исследований в науках об обществе.

6.1.Модели расчёта места и времени наиболее вероятных преступлений на основе статистики правонарушений

Полиция г. Санта-Крус (США) начала в июле 2011 г. тестировать программу на массиве данных о зарегистрированных преступлениях против собственности (угоны и кражи из автомобилей, ограбления домов)61. Модель предполагает, что преступники склонны действовать в привычных районах города и примерно в то же время, в какое они раньше осуществляли успешные ограбления.

Уже в первый месяц тестирования (июль 2011 г.) система позволила предотвратить несколько преступлений и привела к пяти арестам, в июле 2011 г. количество ограблений машин снизилось на 27% по сравнению с тем же месяцем 2010 г. Работа программы направлена как на арест преступников по горячим следам, так и на предотвращение преступления, что не менее важно, так как прибывший патруль зачастую арестовывает потенциального злоумышленника, еще не совершившего преступления. Поводом для ареста становится нелегальное ношение огнестрельного оружия или обнаруженное хранение наркотиков. Для эффективной правоохранительной системы предотвращение преступлений не менее важно, чем поимка преступника.

До использования программы PredPol62 (от predictive policy — предсказательная полиция), использовалась программа компьютерной статистики CompStat, которая просто давала полицейским точную карту преступлений прошлой недели, и полицейским приходилось самим строить предположения относительно того, каковы будут районы риска на этой неделе.

61Программа расчёта вероятности преступлений. URL:

http://habrahabr.ru/post/132070/; Sending the Police Before There’s a Crime // The New York Times. August 16, 2011, P. A11, см. также Sending the Police Before There’s a Crime URL: http://www.nytimes.com/2011/08/16/us/16police.html?_r=1.

62PredPol. Predictive Policy. URL: http://www.predpol.com/.

68

69

Разработка программы и используемые алгоритмы.

Программа была разработана по инициативе полиции Лос-Анджелеса группой исследователей63, включавших двух математиков, антрополога и криминолога. Для тестирования в г. Санта-Крус в программу были загружены данные за 8 лет, при этом данные о времени, типе и месте зарегистрированных преступлений накладывали на карту города, разделенную на квадраты 150х150 м. Новые данные добавляют в систему каждый день в режиме реального времени.

Используемая модель напоминает расчёт вероятности афтершоков — повторных сейсмических толчков меньшей интенсивности по сравнению с главным толчком. Как и в случае с землетрясениями, каждое преступление тоже рождает волны «афтершоков», т.е. повышает вероятность новых преступлений в том же месте в будущем. Для иллюстрации алгоритма авторы приводят несколько графиков (см. рис. 13, 14).

Рис. 13. Статистика гангстерских перестрелок в одном из районов Лос-Анджелеса

Рис. 14. Преобразование статистики преступлений в частотность по модели афтершоков с помощью лямбда-функции

Рис. 13 отображает статистику гангстерских перестрелок в одном из районов Лос-Анджелеса и служит для демонстрации того, что

63 PredPol. Predictive Policy. URL: http://www.predpol.com.

преступления некоторых типов склонны группироваться по времени и месту.

На базе статистики преступлений за последние несколько лет вычисляется лямбда-функция λ(t). На рис. 14 показано, как статистика преступлений преобразуется в частотность.

Аналогичный параметр (crime rate) программа вычисляет для каждого района города и вида преступления. Если составить тепловую карту, то получится тепловая карта города, приведенная на рис. 15.

Рис. 15. «Тепловая» карта вероятности преступлений в городе

Для каждого квадрата размером 150 на 150 м указывается вероятность совершения преступления в 24-часовой период, распределение этой вероятности по видам преступления: автомобильные, домашние, разбой, время начала двух самых опасных по вероятности часовых интервалов (см.

70

71

рис 16). Учитываются день недели, время суток, наличие/отсутствие футбольных матчей по ТВ и другие факторы.

Рис. 16. Скриншот интерфейса программы с картой, на которой отмечены наиболее вероятные преступления в этом районе на данную дату по видам64

С опорой на вышеприведенные данные программы составляется график движения патрульных машин по городу и рекомендуются проверочные действия патрульных.

Аналогичные попытки применения компьютерных алгоритмов вычисления наиболее вероятных времени и мест преступлений ведутся и в других городах США (например, в г. Чикаго также в 2011 г. было запущено аналогичное тестирование65), однако модель, применяемая в городе Санта-Крус, является одной из наиболее сложных и доказавшей свою эффективность.

6.2.Алгоритм прогнозирования местонахождения подозреваемых в подготовке преступлений на основе отслеживания мобильных телефонов

Исследователь Бирмингемского университета Мирко Мусолези (Mirco Musolesi)66 применил подход, который основан не на статистике, а на сетевых связях человека по мобильному телефону и их изменении во времени и пространстве. При этом важна оперативность данных сетей сотовой связи. Применив свой алгоритм, Мусолези выиграл конкурс Nokia Mobile Data, наиболее точно предсказав перемещения 25 добровольцев по

64PredPol. Predictive Policy. URL: http://www.predpol.com/.

65Sending the Police Before There’s a Crime/ The New York Times. August 16, 2011, P. A11, см. также Sending the Police Before There’s a Crime URL:

http://www.nytimes.com/2011/08/16/us/16police.html?_r=1.

66 Алгоритм предсказывает преступления, отслеживая мобильные телефоны/ URL: http://habrahabr.ru/post/149184/; Algorithm Aims To Predict Crime By Tracking Mobile Phones URL: http://www.forbes.com/sites/parmyolson/2012/08/06/algorithm-aims- to-predict-crime-by-tracking-mobile-phones/; Domenico M., Lima A., Musolesi M. Interdependence and Predictability of Human Mobility and Social Interactions. URL: http://www.cs.bham.ac.uk/~musolesm/papers/mdc12.pdf/.

сигналам их телефонов, истории звонков и текстовым сообщениям. Иногда алгоритм прогнозирует координаты пользователя с точностью до 20 м2.

Алгоритм работает эффективно только при условии, что одновременно отслеживается вся сеть друзей указанного пользователя. Если отслеживать мобильный телефон только самого человека, точность предсказания координат снижается до 1000 м2. При этом, даже если удавалось извлечь уточняющую информацию всего у одного друга, точность сразу резко увеличивалась.

Таким образом, алгоритм, например, способен вычислить место и время, где через 20—30 минут встретится группа потенциальных преступников. По словам Мусолези можно вычислить конкретную улицу, квартал, иногда даже дом — место потенциального преступления. Очевидно, что туда на всякий случай нужно направить патрульную машину.

Мусолези надеется, что его разработка будет использована правоохранительными органами. Исследователь уверен, что подобная система анализа данных не нарушает законодательство: «Наш алгоритм —

это способ извлечь новую информацию из данных, [которые у полиции уже есть]», — говорит он в интервью изданию Forbes. Кто-то назовёт такой метод сомнительным, ведь осуществляется слежка за людьми, которые ещё не совершили преступления, а только по каким-то критериям занесены в «группу риска» (например, граждане с криминальным прошлым или упомянувшие ключевое слово в разговоре по телефону или в SMS). С другой стороны, сам алгоритм работает с анонимными данными, так что такая «слежка» принципиально не отличается от какой-нибудь системы контекстной мобильной рекламы или системы мониторинга чатов по ключевым словам, что используется в чатах Facebook и других сервисах.

В принципе подобные алгоритмы может использовать не только полиция, но и обычные коммерческие компании с разрешения их клиентов, прогнозируя их появление в своих ресторанах/спа/офисах, и, возможно, резервируя сервис для VIP-клиентов без предварительного звонка и бронирования.

Мирко Мусолези с коллегами опубликовали результаты своей работы67; в ближайшее время они собираются провести дополнительные эксперименты на базе данных, предоставленной компанией Nokia.

67 Kwak H., Lee C., Park H., Moon S. What is Twitter, a Social Network or a News Media? Proceedings of the 19th International World Wide Web (WWW) Conference, April 26-30, 2010, Raleigh NC (USA). См. также URL: http://an.kaist.ac.kr/traces/ WWW2010.html.

72

73

6.3.Компьютерное прогнозирование актов терроризма и политических акций, сопровождающихся применением насилия. Компьютерное моделирование и симуляция поведения террористических групп

ВНациональной лаборатории Лос-Аламос (США), ученые из Международной группы по исследованиям и анализу (IAT-1) объединяют социальные, экономические, политические, культурные показатели и сообщения СМИ с новейшими исследованиями социальных наук и компьютерным моделированием, чтобы лучше прогнозировать вероятность терроризма и политических акций, сопровождающихся применением насилия68. Данные работы Международной группы по исследованиям и анализу проводятся при поддержке Министерства обороны США.

Одним из используемых методов является моделирование, основанное на агентном подходе. Такого рода моделирование основывается на построении симулятора социальной системы, построенной из взаимодействующих «агентов», которые могут играть в модели роль взаимодействующих индивидов или взаимодействующих групп индивидов. Исследователь собирает информацию о том, как реальные прототипы-индивиды или группы вели себя в определенных ситуациях, и кодирует основные тенденции в поведенческом алгоритме «агента» модели, а затем проводит симуляцию поведения «агентов» при разных ситуациях и факторах влияния.

6.4.Перспективные направления компьютерных исследований в социальных сетях

Сервисы рекомендаций — прогнозирование наиболее вероятных новых связей подписки/дружбы, использования сервисов соцсетей

Одним из примеров такого рода исследований является конкурс Facebook69, выложившей в качестве задачи анонимизированный социальный граф с числом тестируемых вершин 262 588, числом ребер в графе 9 437 519 и числом вершин в графе 1 862 220. Данный граф получен из реального графа (правда, оговорено, что это — не граф Facebook) путем удаления части ребер. Задача: для каждой из тестируемых вершин (т.е. тех самых 262 588), представить ранжированный список 10 других вершин, с

68 How people become terrorists. Modeling Pathways toward Radicalization. URL:

http://www.lanl.gov/science/NSS/issue3_2011/story2full.shtml.

69 Маленькие секреты больших графов. URL: http://habrahabr.ru/post/148162/ #habracut/; Facebook Recruiting Competition. URL: https://www.kaggle.com/c/ FacebookRecruiting/.

которыми у них с наибольшей вероятностью должна была быть (или будет) связь, т.е. фактически восстановить удаленные ребра и спрогнозировать возникновение новых. Наиболее успешных в этом конкурсе авторов компания собирается пригласить на работу.

Аналогичные по проблематике направления исследований активно развиваются и в других сервисах с элементами социальных сетей. Так, например, подобные рекомендации по возможным «друзьям» предлагаются на российском рекомендательном ресурсе Имхонет70, где в качестве базы данных для вычисления наиболее вероятных друзей («единомышленников») служит сходство оценок фильмов, книг и т.п., а не анализ графов дружбы. На основе этих оценок Имхонет формирует представление о вкусе пользователя и подбирает людей со схожими предпочтениями, на основе оценок которых строятся индивидуализированные рекомендации по фильмам, книгам, путешествиям и, как побочная линия, — знакомствам.

Автоматическое определение сообществ в социальных сетях

Актуальным, активно разрабатываемым и совершенствуемым направлением исследования и моделирования сетей является выявление сообществ (Community Detection) в социальных сетях71. В такого рода исследованиях сообществом считается совокупность пользователей, имеющих большую плотность связей внутри совокупности, по сравнению с плотностью внешних связей.

Иными словами, при изучении сложных сетей считается, что сеть имеет структуру сообщества, если узлы сети могут быть легко разделены на (возможно перекрывающиеся) наборы узлов так, что каждый набор узлов имеет сравнительно большую внутреннюю плотность. В частном случае определения неперекрывающихся сообществ это означает, что сеть делится на группы узлов с плотными внутренними связями и редкими связями между группами72.

70Рекомендательный сервис Imhonet. URL: http://imhonet.ru/.

71Разработка и проведение имитационных игр на базе компьютерных симуляторов. URL: http://www.ite.ane.ru/index.php/ru/technologies/65-simulation-games/;

Kwak H., Lee C., Park H., Moon S. What is Twitter, a Social Network or a News Media? Proceedings of the 19th International World Wide Web (WWW) Conference, April 26—30, 2010, Raleigh NC (USA). См. также URL: http://an.kaist.ac.kr/traces/WWW2010.html;

Porter M. A., Onnela J.-P., Mucha P. J. Communities in Networks // Not. Amer. Math. Soc. 2009. Vol. 56. P. 1082–1097, 1164—1166. См. также URL:

http://www.ams.org/notices/200909/rtx090901082p.pdf.

72 Kwak H., Lee C., Park H., Moon S. What is Twitter, a Social Network or a News Media? Proceedings of the 19th International World Wide Web (WWW) Conference, April 26-30, 2010, Raleigh NC (USA). См. также URL: http://an.kaist.ac.kr/traces/ WWW2010.html.

74

75

Основными алгоритмами определения сообществ в сетях являются73:

— Minimum-Cut Method ( пер. с англ. — метод отсечения минимальных связей) состоит в том, что сеть делится на заранее заданное число частей обычно примерно равного объема, определяемых таким образом, чтобы число связей между ними было минимальным. Метод имеет довольно существенные недостатки в применении к социальным сетям, так как находит сообщества, независимо от того, есть они в социальной сети или нет, причем именно то количество сообществ, которое задано вручную исследователем.

— Hierarchical clustering ( пер. с англ. — иерархическая кластеризация)

— в этом методе определяется количественная мера сходства некоторых (как правило, топологических) характеристик сходства между парами узлов. Часто используемые меры включают в себя косинус-подобие (cosine similarity), индекс Жаккара (Jaccard index) и расстояние Хемминга (Hamming distance) между строками матрицы смежности.

—Girvan-Newman algorithm clustering ( пер. с англ. — алгоритм Гирвана-Ньюмана), основанный на параметре промежуточности вершин, находит вершины, лежащие между сообществами и удаляет их, получая несвязанные сообщества. Дает достатоно хорошие результаты, но очень ресурсоемок с точки зрения вычислений.

—Modularity maximization ( пер. с англ. — максимизация модульности) — наиболее используемый метод. Определяет сообщества путем попытки разбиения на части с максимальной модульностью. Несмотря на широкое применение имеет ряд недостатков. Считается, что сегодня лучше работает следующий метод.

—Surprise maximization ( пер. с англ. — максимизация неожиданных отклонений) — определение сообществ основано на кумулятивном гипергеометрическом распределении.

—The Louvain method ( пер. с англ. — лувинский метод) —

подтвердил свою эффективность на ряде примеров и сейчас является одним из наиболее широко используемых методов. Метод реализован во многих программных пакетов сетевого анализа, в том числе в KXEN InfiniteInsight, NetworkX и Gephi. Проводится в два этапа: сначала выделяются локальные сообщества с максимальной модульностью, затем, используя эти локальные сообщества в качестве узлов, строится сеть следующего порядка, и в ней повторяется шаг 1. Эти шаги повторяются до достижения максимальной модульности.

73 Community structure / Статья свободной энциклопедии – Википедии. URL: http://en.wikipedia.org/wiki/Community_structure.

— Clique based methods ( пер. с англ. — метод, основанный на кликах)

— кликами считаются подграфы, в узлы соединены каждый с каждым в данной клике.

Исследования и разработки в этом направлении продолжают активно совершенствовать методы выделения сообществ.

Анализ тональности текста (сентимент-анализ)

Анализ тональности текста (сентимент-анализ, англ. sentiment analysis), активно развивающееся направление компьютерной лингвистики, класс методов контент-анализа, предназначенный для автоматизированного выявления в текстах эмоционально окрашенной лексики и эмоциональной оценки авторов по отношению к объектам, речь

окоторых идёт в тексте (анализ высказываний, англ. opinion mining)74.

Всовременных системах автоматического определения эмоциональной оценки текста чаще всего используется одномерное эмотивное пространство: позитив или негатив (хорошо или плохо), однако известны успешные случаи использования и многомерных пространств. Разработаны инструменты, которые с приемлемой степенью надежности работают на англоязычных текстах. Все эти инструменты для русского языка дают пока не вполне удовлетворительные результаты, так что адаптация и разработки в этом направлении также продолжают оставаться перспективным и актуальным направлением исследований.

Контрольные вопросы

1.Объясните, каким образом полиции Санта-Крус удается прибыть на место правонарушения раньше его начала и в ряде случаев предотвратить его? На каких принципах основаны алгоритмы обработки статистических данных о правонарушениях в Санта-Крус?

2.Назовите примеры моделирования и прогнозирования местоположения абонентов на основе логов звонков и сигналов мобильных телефонов. Какие условия должны быть соблюдены для корректности работы алгоритмов? Для каких задач могут применяться подобные технологии?

3.Каковы основные принципы и алгоритмы, положенные в основу проводимых в Национальной лаборатории Лос-Аламос (США) компьютерного прогнозирования актов терроризма и политических акций, сопровождающихся применением насилия, компьютерного моделирования и симуляции поведения террористических групп?

74 Анализ тональности текста / Статья свободной энциклопедии – Википедии. URL: http://ru.wikipedia.org/wiki/Анализ тональности текста.

76

77

4.Назовите существующие примеры применения и исследований прогнозирования совпадения интересов/дружбы между пользователями социальных сетей.

5.Опишите основные алгоритмы определения сообществ в социальных сетях, кластеризации.

6.Что такое «анализ тональности текста (сентимент-анализ)»?

Заключение

Вприведенном материале проведено обобщение теоретических основ сетевого подхода, проиллюстрированы области его практического применения. Рассмотрены вопросы моделирования социальных процессов на основе анализа социальных сетей.

Вкачестве примеров исследовательской практики использованы результаты работы научно-производственного веб-ориентированного центра по проведению исследований процессов социодинамики «Социодинамика», разработанного в НИУ ИТМО в 2012 г. в рамках выполнения НИР.

78

79